读取多个(海康大华)网络摄像头的视频流 (使用opencv-python)，解决实时读取延迟问题

实时读取视频流（封面使用五个摄像头是因为我手头最多只有五个），解决实时读取延迟卡顿问题

做计算机视觉的算法开发，可能会碰到实时获取图像并处理的问题，我写了一个简单的实例，可以实时读取多个网络摄像头。运行视频预览如下↓ （可以看到视频播放流畅，达到30fps，同时延迟小于0.3s）

实时读取多个网络摄像头

 

2018-06-17 初版 Yonv1943 2018-06-25 小修改，deamon，setattr(), if is_opened
2018-07-02 添加单摄像头run(): # single camera，和多摄像头run_multi_camera()
2018-11-21 单线程读取单个摄像头，多进程读取多个摄像头
2019-02-14 将“多线程”改正为“多进程”谢谢 

@知who

 的纠正
2019-05-04 增加大华摄像头rtsp协议 我在标题里不小心用爱发电了，为了公平起见，我把海康竞争对手大华也加上去。网络摄像头基本都支持rtsp协议，所以可以用本方法读取。
2019-07-04 增加将多个摄像头的画面有序地读取到同一个程序 run_multi_camera_in_a_window()
2019-09-06 回复评论：目标检测
2019-10-17 回复评论：图片刚放进去队列就取出来，队列里面岂不是没有图片？
2019-10-31 回复评论：网络卡顿而无法获取视频信息，这个应该怎么处理？
2019-11-13 回复评论：为何有 ipv4 与ipv6两种地址？

完整版Demo：

实现上述功能的完整示例Demo （已经尽可能短），你也可以在我的GitHub上下载到最新的代码，如果星星多，那么我还会继续加功能：

import cv2

import time
import multiprocessing as mp

"""
Source: Yonv1943 2018-06-17
https://github.com/Yonv1943/Python/tree/master/Demo
"""

def image_put(q, name, pwd, ip, channel=1):
    cap = cv2.VideoCapture("rtsp://%s:%s@%s//Streaming/Channels/%d" % (name, pwd, ip, channel))
    if cap.isOpened():
        print('HIKVISION')
    else:
        cap = cv2.VideoCapture("rtsp://%s:%s@%s/cam/realmonitor?channel=%d&subtype=0" % (name, pwd, ip, channel))
        print('DaHua')

    while True:
        q.put(cap.read()[1])
        q.get() if q.qsize() > 1 else time.sleep(0.01)

def image_get(q, window_name):
    cv2.namedWindow(window_name, flags=cv2.WINDOW_FREERATIO)
    while True:
        frame = q.get()
        cv2.imshow(window_name, frame)
        cv2.waitKey(1)

def run_multi_camera():
    # user_name, user_pwd = "admin", "password"
    user_name, user_pwd = "admin", "admin123456"
    camera_ip_l = [
        "172.20.114.26",  # ipv4
        "[fe80::3aaf:29ff:fed3:d260]",  # ipv6
        # 把你的摄像头的地址放到这里，如果是ipv6，那么需要加一个中括号。
    ]

    mp.set_start_method(method='spawn')  # init
    queues = [mp.Queue(maxsize=4) for _ in camera_ip_l]

    processes = []
    for queue, camera_ip in zip(queues, camera_ip_l):
        processes.append(mp.Process(target=image_put, args=(queue, user_name, user_pwd, camera_ip)))
        processes.append(mp.Process(target=image_get, args=(queue, camera_ip)))

    for process in processes:
        process.daemon = True
        process.start()
    for process in processes:
        process.join()

if __name__ == '__main__':
    run_multi_camera()

解决实时读取延迟卡顿的关键代码如下，我使用Python自带的多线程队列：

import multiprocessing as mp
...
img_queues = [mp.Queue(maxsize=2) for _ in camera_ip_l]  # queue
...
q.put(frame) if is_opened else None  # 线程A不仅将图片放入队列
q.get() if q.qsize() > 1 else time.sleep(0.01) # 线程A还负责移除队列中的旧图
...

如果你可以成功运行上们的代码，那么恭喜。如果你已经理解代码，那么你不需要看下面的内容。

---

如果你想要进一步理解代码，那么下面的内容是：

OpenCV官网提供的简单版Demo（无法避免延迟卡顿）

 

简单版Demo：

如果你可以成功运行上们的代码，那么恭喜OpenCV官网给出的视频流读取示例代码，经过简单修改，如下：

def run_opencv_camera():
    video_stream_path = 0  # local camera (e.g. the front camera of laptop)
    cap = cv2.VideoCapture(video_stream_path)

    while cap.isOpened():
        is_opened, frame = cap.read()
        cv2.imshow('frame', frame)
        cv2.waitKey(1)
    cap.release()

当 video_stream_path = 0 的时候，电脑会开启默认摄像头，比如笔记本电脑的前置摄像头 ↓

做网络安全的人最喜欢贴掉的的前置摄像头 QAQ，看到上面的白色小灯了吗？

当我们需要读取网络摄像头的时候，我们可以对 cap = cv2.VideoCapture(括号里面的东西进行修改)，填写上我们想要读取的视频流，它可以是：

• 数字0，代表计算机的默认摄像头（例如上面提及的笔记本前置摄像头）
• video.avi 视频文件的路径，支持其他格式的视频文件
• rtsp路径（不同品牌的路径一般是不同的，如下面举出的海康与大华，详细情况查看 附录的「关于rtsp协议」）

user, pwd, ip, channel = "admin", "admin123456", "172.20.114.26", 1

video_stream_path = 0  # local camera (e.g. the front camera of laptop)
video_stream_path = 'video.avi'  # the path of video file
video_stream_path = "rtsp://%s:%s@%s/h265/ch%s/main/av_stream" % (user, pwd, ip, channel)  # HIKIVISION old version 2015
video_stream_path = "rtsp://%s:%s@%s//Streaming/Channels/%d" % (user, pwd, ip, channel)  # HIKIVISION new version 2017
video_stream_path = "rtsp://%s:%s@%s/cam/realmonitor?channel=%d&subtype=0" % (user, pwd, ip, channel)  # dahua

cap = cv2.VideoCapture(video_stream_path)

直接使用参考官网写出来的简单版Demo有延迟卡顿问题，如果读取速度低于视频流的输出速度，窗口显示的图片是好几秒钟前的内容。一段时间过后，缓存区将会爆满，程序报错，我可以使用rtsp读取摄像头：

def run_opencv_camera():
    video_stream_path = 0  # local camera (e.g. the front camera of laptop)
    cap = cv2.VideoCapture(video_stream_path)

    while cap.isOpened():
        is_opened, frame = cap.read()
        cv2.imshow('frame', frame)
        cv2.waitKey(1000)  # wait for 1000ms(1s) HERE!!!!!!!!!!!!!!
    cap.release()

"""
将等待时间修改为1秒，则摄像头显示的画面延迟增大：
本地摄像头可能不会报错
网络摄像头可能会在运行一段时间后报错

ERROR 报错内容如下：（其实，如果传递给cv.imshow()函数的不是 ndarray，都会出现这个错误）
libpng warning: iCCP: known incorrect sRGB profile
libpng warning: iCCP: known incorrect sRGB profile
libpng warning: iCCP: cHRM chunk does not match sRGB
libpng warning: iCCP: known incorrect sRGB profile
...
"""

下面使用使用多线程队列，解决这个延迟卡顿问题。

完整版Demo（使用多线程队列，解决延迟卡顿问题，读取多个摄像头）：

def image_put(q, user, pwd, ip, channel=1):
    cap = cv2.VideoCapture("rtsp://%s:%s@%s//Streaming/Channels/%d" % (user, pwd, ip, channel))
    if cap.isOpened():
        print('HIKVISION')
    else:
        cap = cv2.VideoCapture("rtsp://%s:%s@%s/cam/realmonitor?channel=%d&subtype=0" % (user, pwd, ip, channel))
        print('DaHua')

    while True:
        q.put(cap.read()[1])
        q.get() if q.qsize() > 1 else time.sleep(0.01)


def image_get(q, window_name):
    cv2.namedWindow(window_name, flags=cv2.WINDOW_FREERATIO)
    while True:
        frame = q.get()
        cv2.imshow(window_name, frame)
        cv2.waitKey(1)


def run_single_camera():
    user_name, user_pwd, camera_ip = "admin", "admin123456", "172.20.114.26"

    mp.set_start_method(method='spawn')  # init
    queue = mp.Queue(maxsize=2)
    processes = [mp.Process(target=image_put, args=(queue, user_name, user_pwd, camera_ip)),
                 mp.Process(target=image_get, args=(queue, camera_ip))]

    [process.start() for process in processes]
    [process.join() for process in processes]

def run_multi_camera():
    # user_name, user_pwd = "admin", "password"
    user_name, user_pwd = "admin", "admin123456"
    camera_ip_l = [
        "172.20.114.26",  # ipv4
        "[fe80::3aaf:29ff:fed3:d260]",  # ipv6
    ]

    mp.set_start_method(method='spawn')  # init
    queues = [mp.Queue(maxsize=4) for _ in camera_ip_l]

    processes = []
    for queue, camera_ip in zip(queues, camera_ip_l):
        processes.append(mp.Process(target=image_put, args=(queue, user_name, user_pwd, camera_ip)))
        processes.append(mp.Process(target=image_get, args=(queue, camera_ip)))

    for process in processes:
        process.daemon = True
        process.start()
    for process in processes:
        process.join()


if __name__ == '__main__':
    # run_single_camera()
    run_multi_camera()
    pass

关键部分解释：我使用Python3自带的多线程模块，创建一个队列，线程A从通过rtsp协议从视频流中读取出每一帧，并放入队列中，线程B从队列中将图片取出，处理后进行显示。线程A如果发现队列里有两张图片（证明线程B的读取速度跟不上线程A），那么线程A主动将队列里面的旧图片删掉，换上新图片。通过多线程的方法：

• 线程A的读取速度始终不收线程B的影响，防止网络摄像头的缓存区爆满
• 线程A更新了队列中的图片，使线程B始终读取到最新的画面，降低了延迟

import multiprocessing as mp
...
img_queues = [mp.Queue(maxsize=2) for _ in camera_ip_l]  # queue
...
q.put(frame) if is_opened else None  # 线程A不仅将图片放入队列
q.get() if q.qsize() > 1 else time.sleep(0.01) # 线程A还负责移除队列中的旧图
...

模拟实时图片处理

完整版代码可以使用多线程队列，解决延迟卡顿问题，并读取多个摄像头。我们把等待时间从1毫秒，增加到1秒（1000ms），模拟实时处理图片中的某一个耗时操作。

cv2.imshow(window_name, frame)
cv2.waitKey(1000)  # 1000ms

模拟耗时操作

 

注：此处的视频与文章开头的视频不同，因为左下角摄像头模拟了耗时1秒的图片处理延时操作，模拟实时图片传入处理速度慢的函数后 的情况。与此同时左上角的视频作为对照。

可以看到，左上角是正常读取窗口，20fps，延迟0.4秒。而左下角的模拟延迟视频显示窗口变为1fps，但是延迟没有变化，依然是0.4秒，可以说：做到了读取实时图片的效果。所有代码都可以从我的GitHub下载到完整注释版。

---

附录是对评论区的回复，集中了常见问题。

关于rtsp协议：

通过rtsp协议读取视频流： 

@对镜子傻笑

 下面依次是我在网络上查到的海康与大华 rtsp 读取路径。经过测试，我手头的海康摄像头支持前面两种读取方式（新旧两种）。大华摄像头用第三种读取方式。

video_stream_path = "rtsp://%s:%s@%s/h264/ch%s/main/av_stream" % (user, pwd, ip, channel)  # HIKIVISION old version 2015
video_stream_path = "rtsp://%s:%s@%s//Streaming/Channels/%d" % (user, pwd, ip, channel)  # HIKIVISION new version 2017
video_stream_path = "rtsp://%s:%s@%s/cam/realmonitor?channel=%d&subtype=0" % (user, pwd, ip, channel)  # dahua

海康、大华IpCamera RTSP地址和格式（原创，旧版）- 2014年08月12日 23:01:18 xiejiashu
最新（2017）海康摄像机、NVR、流媒体服务器、回放取流RTSP地址规则说明 - 2017年05月13日 xiejiashu

我在Win10、Ubuntu16 系统上，可以直接使用使用rtsp协议读取网络摄像头视频流。如果你碰到问题，那么你可能需要安装XviD 与 FFmpeg ，如下：

Ubuntu16.04下安装FFmpeg（超简单版）
sudo add-apt-repository ppa:djcj/hybrid  # 添加源
sudo apt-get update  # 更新源
sudo apt-get install ffmpeg   # 安装源

XviD-1.3.5（XviD is an MPEG-4 compliant video CODEC.）
http://www.linuxfromscratch.org/blfs/view/svn/multimedia/xvid.html
Download (HTTP): http://downloads.xvid.org/downloads/xvidcore-1.3.5.tar.gz

我用过的摄像头主要有（都支持rtsp协议） ：

• 海康人脸摄像头 XXX
• 海康星光夜视XXX
• 海康DS-IPC-B12
• 大华云台DH-PTZ12203UE-GN-P
• @瞎bb队长
   一般的，搜索的时候带上rtsp就可以了

关于读取卡顿：

我已经在很多摄像头上面实验过了，本文使用的代码的性能如下：

环境：局域网 + 6个不同的POE供电海康摄像头

• 工控机（赛扬1.9G*4），CPU Celeron(R) J1900 ，4个摄像头，1080P，最慢的延迟1.2秒
• 笔记本（i3移动版 2.4G*4），CPU i3-3110M ，6个摄像头，1080P，最慢的延迟 0.4秒

备注：如果出现卡顿，请检查 网络使用率，CPU使用率。

特别备注：如果你只有一个摄像头，为了测试多个摄像头的读取效果，你开启了多个读取窗口同时读取同一个摄像头，你会发现：“对于一般的摄像头，开启两个以上就会卡顿”，而这样操作是不对的。因为摄像头本身也是一个“服务器”，它无法为多个目标传输视频流，会遇到传输瓶颈。

这段代码已经在多种环境下，在多个不同的摄像头上面测试过了，我认为它是可靠的。如果出问题，请在评论留言，不要私信我。我会抽时间把这篇文章以及代码整理一下的。

Python的列表解析：

使用列表解析，可以缩短代码，但是对于列表解析是否提高了Python代码的可读性，仍然是有争议的。

processes = []
for queue, camera_ip in zip(queues, camera_ip_l):
    processes.append(mp.Process(target=image_put, args=(queue, user_name, user_pwd, camera_ip)))
    processes.append(mp.Process(target=image_get, args=(queue, camera_ip)))

for process in processes:
    process.daemon = True
    process.start()
for process in processes:
    process.join()

# 上面的代码，我完全可以写成下面的形式，这是Python的列表解析功能

processes = [mp.Process(target=queue_img_put, args=(queue, user_name, user_pwd, camera_ip)),
             mp.Process(target=queue_img_get, args=(queue, camera_ip))]

[setattr(process, "daemon", True) for process in processes]  # process.daemon = True  # 设置进程守护
[process.start() for process in process_l]
[process.join()  for process in process_l]

有序地收集多个摄像头拍摄的画面，并显示出来 （回复

@Haulz

 等人）

本文的封面图片采用了一个主进程打开了了5个子进程，每个子进程负责一个摄像头实时画面的读取与显示。

如果你需要收集多个摄像头拍摄的画面（也就是将5个子进程拍摄到的图片收集 (collect) 到一个进程中去），那么我们需要这样子处理：（将前文出现过的两个函数稍作修改，即可得到，代码同步更新到Github，觉得有用就给星星吧）

run_multi_camera_in_a_window() 修改自 run_multi_camera()
image_collect() 修改自 image_get()

def image_collect(queue_list, camera_ip_l):
    import numpy as np  # 实际使用的时候记得放在外面

    """show in single opencv-imshow window"""
    window_name = "%s_and_so_no" % camera_ip_l[0]
    cv2.namedWindow(window_name, flags=cv2.WINDOW_FREERATIO)
    while True:
        imgs = [q.get() for q in queue_list]
        imgs = np.concatenate(imgs, axis=1)
        cv2.imshow(window_name, imgs)
        cv2.waitKey(1)

    # """show in multiple opencv-imshow windows""" 
    # [cv2.namedWindow(window_name, flags=cv2.WINDOW_FREERATIO)
    #  for window_name in camera_ip_l]
    # while True:
    #     for window_name, q in zip(camera_ip_l, queue_list):
    #         cv2.imshow(window_name, q.get())
    #         cv2.waitKey(1)


def run_multi_camera_in_a_window():
    user_name, user_pwd = "admin", "admin123456"
    camera_ip_l = [
        "172.20.114.196",  # ipv4
        "[fe80::3aaf:29ff:fed3:d260]",  # ipv6
        # 我在这里分别用ipv4 与ipv6 打开了两个摄像头，只有一个摄像头的话就填写一个IP
    ]

    mp.set_start_method(method='spawn')  # init
    queues = [mp.Queue(maxsize=4) for _ in camera_ip_l]

    processes = [mp.Process(target=image_collect, args=(queues, camera_ip_l))]
    for queue, camera_ip in zip(queues, camera_ip_l):
        processes.append(mp.Process(target=image_put, args=(queue, user_name, user_pwd, camera_ip)))

    for process in processes:
        process.daemon = True  # setattr(process, 'deamon', True)
        process.start()
    for process in processes:
        process.join()

实现效果截图：把两个摄像头收集到的实时画面传给同一个进程：

合并为一张图片，以便于显示在同一个cv2.imshow() 窗口内（这里画面模糊是因为镜头距离成像物体太近了）

注释部分的实现效果截图：（打开多个OpenCV imshow 窗口，且画面有序显示，不混淆）

把两个摄像头收集到的实时画面传给同一个进程，再由不同窗口显示出来

本来以为这个实现是很简单了，没想到已经有超过3个人私信问过相同的问题了，所以我写下这部分的内容。因为觉得没有技术含量，不足以写入正文，因此放在了文末的附录内。

视频读取已经结束， 而程序没有自动退出 @风荷一一（这个问题不太值得回复）

问题描述 @风荷一一：“将rtsp换成本地视频后，当视频结束后会出现报错。cpp:352: error: (-215:Assertion failed)，且继续占用CPU”

cap = cv2.VideoCapture(video_stream_path)
is_opened = cap.isOpened()

while is_opened:  # 如果视频读取完毕，那么 is_opened 为False，循环自动跳出
    is_opened, frame = cap.read()
    cv2.imshow('frame', frame)
    cv2.waitKey(1)
cap.release()

在显示之前做一个目标检测，怎么实现？ 

@哥白尼的天体论

曾伊言：实时视频传入深度学习目标检测模型进行检测​zhuanlan.zhihu.com

把读取模块与计算模块分开，详细内容请看上面的文章「实时视频传入深度学习目标检测模型进行检测」：

很明显，单线程是低效率的，CPU工作的时候，GPU在围观，反之亦然：
线程0: CPU读取图片→ GPU处理图片（如：目标检测）→ ... ... 

使用多线程的一个简单高效的方案：
线程0: CPU读取图片↘  CPU读取图片↘ ... ...
线程1:        GPU处理图片    GPU处理图片 ... ...

刚刚放进去一张图片，然后马上取出来，队列里面岂不是一张图片也没有？ （虽然你后面似乎知道答案了，自己把评论删除掉，但是问这个问题的人太多了）

@TuringYang

程序其实是这样运作的：image_put 与 image_get 是同时运行的。image_put 放入图片后，如果没有 image_get 把图片取走，那么 image_put 就自己把图片取走，实时替换成新的图片。

def image_put(q, user, pwd, ip, channel=1):
    ...
    while True:
        q.put(cap.read()[1])  # 刚刚放进去一张图片
        q.get() if q.qsize() > 1 else time.sleep(0.01)  # 然后马上取出来

def image_get(q, window_name):
    ...
    while True:
        frame = q.get()  # 等待队列放入图片，如果队列里面没有图片，那么它会「阻塞」在这里
        cv2.imshow(window_name, frame)
        cv2.waitKey(1)

当 image_get 运行到 q.get() 处，如果队列里面没有图片，那么它会在这里等，直到 image_put 把图片放入队列，它把这张图片取走后才继续往下运行。由于image_get 一直在队列处等候，因此它总是可以在image_put 把图片删除前 抢先把图片取走，这是这个程序做到实时更新并且减少延迟的基本方法。

网络卡顿而无法获取视频信息，应该处理？ 

@Wang

这篇文章解决的是：由“处理图片的速度”慢于“摄像头拍摄产生实时图像的速度”所导致的延迟。而不是 由网络条件不好导致“接收图片的速度”过慢导致的延迟。解决方法：

• 减少视频流大小：降低帧率、减小画幅、降低码流、主码流→辅码流、H264→H265等
• 清空摄像头缓存：刷新与摄像头的连接，重新运行 cap = cv2.VideoCapture(***)

问题分析：工作中的摄像头会把未被接受的视频流保存在自己的缓存里，如果缓存满了它就会报错（接收端会有xxxxxxxx sRGB xxxx 之类的报错）。只要清空摄像头缓存，就能解决这个问题，因此我们可以刷新与网络摄像头的连接 来掩盖这个问题。

能够应对网络延迟的视频流协议应该是：RTMP、WebRTC 之类的协议。而RTSP不在此列。

 

 

关于私信：

不建议通过私信与我进行交流，有问题请写在评论区。它的好处：常见的问题可以被所有人看到；节省时间；避免重复回答。

 

在评论区指出的问题，我会修改到正文中，并注明贡献者的名字。

在评论区提出的问题，我可能会尝试解答，并添加到正文中。

交流是促进社区与自身成长的重要途径，欢迎评论，谢谢大家。